|
matlab中主成分分析的函数:
2 [9 t( B; U2 ?6 X6 w5 t7 h% {. d1.princomp
( D2 \7 l& t0 _; F# {9 D0 z 功能:主成分分析+ I& Q1 `$ D) ?# f' y/ A
格式:PC=princomp(X)
* z T* P) x; y8 m: }; e [PC,SCORE,latent,tsquare]=princomp(X)
+ [9 T. ^' l1 w# E) x: O% R0 ? 说明:[PC,SCORE,latent,tsquare]=princomp(X)对数据矩阵X进行主成分分析,给出各主成分(PC)、所谓的Z-得分 (SCORE)、X的方差矩阵的特征值(latent)和每个数据点的HotellingT2统计量(tsquare)。 ) |0 z6 Y5 D0 y; Y, O
2.pcacov
* P$ k8 |4 I" O6 z4 N; H" _ 功能:运用协方差矩阵进行主成分分析
+ |% E1 C+ Y7 f& e: _ 格式:PC=pcacov(X)3 O( }8 Y# O& p" p% l8 U
[PC,latent,explained]=pcacov(X)
" N L3 o# V! S' Y( p 说明:[PC,latent,explained]=pcacov(X)通过协方差矩阵X进行主成分分析,返回主成分(PC)、协方差矩阵X的特征值(latent)和每个特征向量表征在观测量总方差中所占的百分数(explained)。
, I* B4 n5 i6 W8 k& U3.pcares
$ V. o! {5 @1 p 功能:主成分分析的残差
- s5 A/ R2 H5 [ 格式:residuals=pcares(X,ndim)
! M% Z2 ?0 g+ U) q 说明:pcares(X,ndim)返回保留X的ndim个主成分所获的残差。注意,ndim是一个标量,必须小于X的列数。而且,X是数据矩阵,而不是协方差矩阵。
7 v: Z, @8 q( ]2 |4.barttest) x. m1 [4 {( W* c$ t* X
功能:主成分的巴特力特检验
3 W2 H- v+ F% d7 I! z! j" ^" z+ ` 格式:ndim=barttest(X,alpha)# f$ Z( c" p2 Q
[ndim,prob,chisquare]=barttest(X,alpha)
; \6 o! ~& u1 [5 C0 }) o f 说明:巴特力特检验是一种等方差性检验。ndim=barttest(X,alpha)是在显著性水平alpha下,给出满足数据矩阵X的非随机变量的n维模型,ndim即模型维数,它由一系列假设检验所确定,ndim=1表明数据X对应于每个主成分的方差是相同的;ndim=2表明数据X对应于第二成分及其余成分的方差是相同的。 |